作者:徐聖訓
定價:NT$ 520
優惠價: 95 折, NT$ 494
運送方式:超商取貨、宅配取貨
銷售地區:全球
訂購後,立即為您進貨
1. 本書利用Python的sklearn套件做資料預處理。
2. 學習主題「監督式的機器學習模型」包含:簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、K最近鄰、支持向量機、決策樹、隨機森林等。
3. 「非監督模型」介紹Kmeans。
4. 利用ColumnTransformer、管道器設計簡潔的機器學習程式,實作各種模型的正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線等指標。
現在學機器學習,正是最好的年代!
在過去要處理資料,就要用C語言撰寫函數;在Python裡,別人已寫好了許多套件,只要像是在玩樂高積木一樣,就能完成你想要的結果。因此我會說,現在是學機器學習最好的時候,你等於是站在巨人的肩膀上學習。
本書沒有複雜的數學,沒有複雜的程式碼,以有系統的編排,引領你進入機器學習的世界。
我們會介紹sklearn的資料預處理;簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、K最近鄰、支持向量機、決策樹、隨機森林等監督式的機器學習模型。而在非監督模型上會介紹Kmeans。
另外,大部分的書不會強調的ColumnTransformer、管道器製作。許多書沒有解釋清楚的模型預測重要指標:正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線,我們也會一次詳細說明,讓你一手掌握。
實例演練時會操作中英文的文字處理,並做情感分析和主題探索。還有知名的大數據資料庫,包括波斯頓房價預測、鳶尾花資料、鐵達尼號資料、威斯康辛大學醫院收集的乳癌腫瘤病患預測、電信公司客戶流失預測、信用卡盜刷預測、Newsgroup新聞群組分類、Amazon商品評論預測、Tripadvisor裡兩家航空公司和數字預測。
最後教大家如何將深度學習的模組也包裝到sklearn。
現在就讓我們一起學習Python,用機器學習掌握人工智慧。
退換貨說明:
會員均享有10天的商品猶豫期(含例假日)。若您欲辦理退換貨,請於取得該商品10日內寄回。
辦理退換貨時,請保持商品全新狀態與完整包裝(商品本身、贈品、贈票、附件、內外包裝、保證書、隨貨文件等)一併寄回。若退回商品無法回復原狀者,可能影響退換貨權利之行使或須負擔部分費用。
訂購本商品前請務必詳閱退換貨原則。作者:徐聖訓
優惠價: 95 折, NT$ 494 NT$ 520
運送方式:超商取貨、宅配取貨
銷售地區:全球
訂購後,立即為您進貨
1. 本書利用Python的sklearn套件做資料預處理。
2. 學習主題「監督式的機器學習模型」包含:簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、K最近鄰、支持向量機、決策樹、隨機森林等。
3. 「非監督模型」介紹Kmeans。
4. 利用ColumnTransformer、管道器設計簡潔的機器學習程式,實作各種模型的正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線等指標。
現在學機器學習,正是最好的年代!
在過去要處理資料,就要用C語言撰寫函數;在Python裡,別人已寫好了許多套件,只要像是在玩樂高積木一樣,就能完成你想要的結果。因此我會說,現在是學機器學習最好的時候,你等於是站在巨人的肩膀上學習。
本書沒有複雜的數學,沒有複雜的程式碼,以有系統的編排,引領你進入機器學習的世界。
我們會介紹sklearn的資料預處理;簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、K最近鄰、支持向量機、決策樹、隨機森林等監督式的機器學習模型。而在非監督模型上會介紹Kmeans。
另外,大部分的書不會強調的ColumnTransformer、管道器製作。許多書沒有解釋清楚的模型預測重要指標:正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線,我們也會一次詳細說明,讓你一手掌握。
實例演練時會操作中英文的文字處理,並做情感分析和主題探索。還有知名的大數據資料庫,包括波斯頓房價預測、鳶尾花資料、鐵達尼號資料、威斯康辛大學醫院收集的乳癌腫瘤病患預測、電信公司客戶流失預測、信用卡盜刷預測、Newsgroup新聞群組分類、Amazon商品評論預測、Tripadvisor裡兩家航空公司和數字預測。
最後教大家如何將深度學習的模組也包裝到sklearn。
現在就讓我們一起學習Python,用機器學習掌握人工智慧。
退換貨說明:
會員均享有10天的商品猶豫期(含例假日)。若您欲辦理退換貨,請於取得該商品10日內寄回。
辦理退換貨時,請保持商品全新狀態與完整包裝(商品本身、贈品、贈票、附件、內外包裝、保證書、隨貨文件等)一併寄回。若退回商品無法回復原狀者,可能影響退換貨權利之行使或須負擔部分費用。
訂購本商品前請務必詳閱退換貨原則。※ 二手徵求後,有綁定line通知的讀者,
該二手書結帳減5元。(減5元可累加)
請在手機上開啟Line應用程式,點選搜尋欄位旁的掃描圖示
即可掃描此ORcode
|
||||||||||||||||||
|
||||||||||||||||||
|